智谱沉思DeepResearchOperator开启Agent新阶段20250407

2025年04月07日22:08 关键词关键词 国海证券电话会议agent深度研究Operate GUI API GPT OpenAI谷歌XAI模型智能体研究报告技术路线大模型多模态GUI智能体用户界面生态搭建 全文摘要全文摘要 本次电话会议专为符合条件的客户及受邀客户召开，强调会议内容不构成投资建议，国海证券不承担任何投资决策责任。会议聚焦于AI研究与操作能力的融合，特别是GPT-4的更新对AI操作能力的提升，以及技术进步对行业的潜在影响。讨论了AI在深度研究、操作能力及行业应用方面的进展，并预测了AI产业的未来发展趋势，包括开源技术、生态搭建和行业应用。 智谱智谱“沉思沉思”：：DeepResearch+Operator，开启，开启Agent新阶段新阶段_导读导读 2025年04月07日22:08 关键词关键词 国海证券电话会议agent深度研究Operate GUI API GPT OpenAI谷歌XAI模型智能体研究报告技术路线大模型多模态GUI智能体用户界面生态搭建 全文摘要全文摘要 本次电话会议专为符合条件的客户及受邀客户召开，强调会议内容不构成投资建议，国海证券不承担任何投资决策责任。会议聚焦于AI研究与操作能力的融合，特别是GPT-4的更新对AI操作能力的提升，以及技术进步对行业的潜在影响。讨论了AI在深度研究、操作能力及行业应用方面的进展，并预测了AI产业的未来发展趋势，包括开源技术、生态搭建和行业应用。同时，会议也提到了相关风险因素，并对参与者的出席表示感谢。 章节速览章节速览 ● 00:00国海证券电话会议：深入解读国海证券电话会议：深入解读Auto GM Agent的产业影响与技术路线的产业影响与技术路线本次电话会议专注于讨论国海证券发布的Auto GMAgent，强调其深度研究能力和电脑操作能力的结合，是对当前 模型技术的一次重大突破。会议分析了AutoGMAgent如何通过Deep Research和Operate能力的融合，提升了模型的思考、推理和实际操作效率。此外，会议还探讨了GPT4O模型的升级，特别是其在生成用户界面和应用界面方面的显著提升，为后续Operator的迭代提供了坚实基础。预计4月14日，Auto GM的核心技术路线和能力将开源，有望推动整个产业实现跨步式发展。 ● 04:47质谱质谱Auto GLM技术与智能体技术与智能体Agent的新范式的新范式报告详细介绍了质谱Auto GLM技术的创新路径及其发布时间为2025年3月31 日。该技术实现研究与实际操作能力的融合，通过GIM4机构模型、GM推理模型、橙色模型和奥特GIM模型的演进，基座模型M4拥有320亿参数，并针对智能体能力进行了优化。Auto GLM在算法成绩和多个权威测评榜单上表现出色。此外，报告深入探讨了质谱alter GM前司作为全球首个结合the research和Operate能力的智能体，在信息整合、深度分析及自动工具调用方面的应用，以及deep search和deep research两个范式的发展和应用。包括OpenAI、google XAI和plasticity等公司在内，各大厂商在智能体搜索和研究能力方面的布局亦被提及。 ● 08:24 OBI、谷歌等公司推出的深度研究、谷歌等公司推出的深度研究AI助手功能对比助手功能对比OBI于2025年2月推出deepresearch能力，通过端到端强化学习使模型能自动规划多步骤研究轨迹，允许更长时间处 理问题以生成更全面的研究结果。谷歌在2024年12月发布了全球首个AI研究助手deep research，并于2025年3月宣布免费开放，其基于germana1.5pro模型，支持联网和上传文件。SAI在2025年3月上线的deepsearch和deepersearch分别适用于日常使用和学术研究。同 时，Plastic和中国团队发布的Menus也具备类似深度研究能力，其中Menus在通用任务上的能力超越了OpenAI的deepresearch。 ● 11:36大模型在大模型在Operate能力中的应用与发展能力中的应用与发展智能体通过Operate 能力自主完成任务，包括与网页交互、模拟人类操作如打字、填写表单等。具体实现方式分为GUI智能体和API调用。GUI智能体利用多模态视觉模型理解并模拟人类操作，而API调用则通过后台接口实现工具调用，适合提供API接口的应用程序。随着大模型和多模态能力的提升，GUI智能体能更好地理解和操作用户界 面。通过生成合成数据，智能体可以迭代提升识别和操作用户界面的能力，从而实现更高效的操作用户界面的工具。短期内，API调用提供标准化接口，有助于解决智能体操作用户电脑的能力，但长期来看，多模态能力的提升是关键。 ● 15:48 Auto JM开源及开源及AGI产业发展前景产业发展前景AutoJM的开源计划及其对推动行业发展的潜力，特别是加速agent 对话讨论了技术的落地和商业化应用。质朴计划搭建一个agent的LLM平台，帮助生态伙伴利用其模型和智能体能力，构建行业或场景深度融合的智能体应用。在金融、教育、医疗等领域，智能体的应用已开始落地。未来，AGI产业格局将以通用AGI加细分领域的AGI为主，类比传统互联网模式，掌握流量和生态入口的厂商将成为通用AGI玩家，而掌握行业数据和壁垒的厂商将衍生出垂类玩家。无论是通用AGI还是细分领域，都有望借助成熟的业务生态实现加速扩张，加速软件行业的价值重构和转型升级。预计到2028年，中国AGI行业市场规模将超过8000亿元，显示出快速的增长趋势。 ● 20:14多模态技术和合成数据训练在计算机行业的发展展望多模态技术和合成数据训练在计算机行业的发展展望讨论了多模态技术能力的提升和使用合成数据训练模型的进展，预期这些进展将推动计算机行业，特别是to B和to C应用公司，如中国软件、金蝶、金山、360等，在2025年A醇产业加速中受益。同时，也提到了风险因素，包括大模型产业发展不及预期、中美博弈加剧、宏观经济影响的下游需求、市场竞争加剧以及相关公司业绩和可比性问题。 要点回顾要点回顾 本次电话会议的内容是否构成投资建议？本次电话会议的内容是否构成投资建议？ 本次会议内容不构成任何投资建议，据此做出的投资决策与国海证券、国海证券员工或关联机构无关。 对于参会人员使用会议内容有何限制？对于参会人员使用会议内容有何限制？ 会议严禁录音或转发，任何人不得对会议内容进行发布、复制、编辑、改编、转载、播放、展示或以其他任何方式非法使用，否则将承担相应的法律责任。国海证券保留一切法律权利，并对使用会议信息内容所引发的任何直接或间接损失概不负责。 国海计算机组织的深度汇报会主要讨论什么？国海计算机组织的深度汇报会主要讨论什么？auto GM沉思的沉思的agent的核心特点是什么？的核心特点是什么？ 主要讨论的是关于agent的深度研究，特别是质谱发布的auto GM沉思的agent，该模型结合了深度研究 作）的能力，让模型能够进行深度思考、反复推理并生成研究报告，同时也能操作电脑，包括通过GUI方式和API方式进行操作。 GPT4O模型在操作电脑方面的提升体现在哪些方面？模型在操作电脑方面的提升体现在哪些方面？ GPT4O模型在生成用户界面和应用界面的能力上有了较大提升，内部测试显示其生存能力明显增强，为下一代Operator的发展奠定了基础。 质谱提出的质谱提出的the research和和Operator融合能力对产业有何影响？融合能力对产业有何影响？ 质谱提出的融合能力创新性地推动了A醇产业的发展，简化了系统使用的复杂性，有助于加速产业推动。后续autoGM层次的核心技术路线和能力开源有望带动整个产业跨步式发展。 质谱的质谱的auto GM沉思模型的技术路径和技术演进路径具体是什么？沉思模型的技术路径和技术演进路径具体是什么？ 技术路径包括GIM4机构模型、GM推理模型包、橙色模型、奥特GIM模型等，基座模型M4拥有320亿参数，并加入了更多代码类推理数据进行预训练。其推理模型性能表现优于deep sit RY，城市模型则突破了传统AI单纯依赖内部知识推理的局限，创造性地结合实时联网搜索、动态工具调用、深度分析验证和自主研究流程。 deep search的核心理念是什么？的核心理念是什么？deep research相较于相较于deep search有何特点？有何特点？ deep search的核心理念是通过搜索、阅读和推理三个环节的循环，最终输出一个最优的答案。搜索环节利用搜索引擎搜集信息，阅读环节专注于特定网页深入分析，而推理环节负责评估当前状态，决定是否 将deep search应用于输出报告的各个部分，整合多章节内容形成连贯的长篇报告。 OpenAI、、Google XAI及及profest在在deep research方面的布局情况如何？方面的布局情况如何？ OpenAI基于其模型推出deep research能力；Google XAI以germa 1.5 pro模型为基础构建；profest虽然底层模型未公布，但可能接入了GPT能力。其中，OBI在2025年2月推出的deep research具备端到端强化学习，让模型学会自行规划多个研究轨迹，能在短时间内完成人类需数小时才能完成的工作。 deep research如何实现更深入的研究结果？如何实现更深入的研究结果？ deep research允许模型花费更长的时间（如5分钟至20分钟甚至更久）去思考和筛选信息，相比传统模型追求效率快速生成答案的方式，deep research能够输出更全面、深入的研究结果。 谷歌的谷歌的deep search何时开放及特点是什么？何时开放及特点是什么？ 谷歌于2025年3月宣布deep search免费开放，底层基于germa a1.5 pro模型，具备联网和上传文件能力。用户可通过系统创建多步骤研究计划，完成后得到一份完整研究报告。 SAI的的deep search与与deep deeper search有何区别？有何区别？ search更偏向学术研究和深度数据挖掘。 plastic在在deep research功能上的表现如何？功能上的表现如何？ plastic在2025年2月推出的deep research功能可通过浏览器搜集资料并进行专家级别的推理，生成全面清晰的报告，并支持多种文件格式导出。 menus如何在如何在general SS测评集上超越测评集上超越OpenAI的的deep research？？ menus在2025年3月发布的应用，在general了OpenAI发布的deep research。 SS测评集的一级、二级、三级通用任务上，其能力超过 Operate的主要作用是什么？的主要作用是什么？ Operate主要用于智能体自主完成各种任务，包括直接与网页交互，模拟人类操作如打字输入、填写表单和重复搜索等。具体表现为GUI智能体通过多模态视觉模型驱动，理解并执行用户界面的操作，以及通过API调用实现工具自动化处理。 anthropy推出的推出的MCP协议是为了解决什么问题？协议是为了解决什么问题？ MCP协议是anthropy开源推进的一个项目，旨在构建一个开放的API生态，让模型更容易调用底层能力，并为AI模型、外部工具和数据源提供标准化交互接口。短期内可以提升agent模型调用用户电脑操作的能力，长期上则希望通过大模型的多模态能力来提高模型理解和操作用户界面的上限。 针对模型在操作用户界面方面的不足，针对模型在操作用户界面方面的不足，OIH是如何解决的？是如何解决的？ OIH考虑到操作用户界面的数据缺失问题，借助GPT等模型的生存能力生成更多用户界面图片，作为合成数据喂给智能体进行迭代训练，从而提升模型识别用户界面及操作能力。 当前多模态